Stanford机器学习---第二讲. 多变量线性回归 Linear Regression with multiple variable

本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM（Support Vector Machines 支持向量机）、聚类、降维、异常检测、大规模机器学习等章节。所有内容均来自Standford公开课machine learning中Andrew老师的讲解。（https://class.coursera.org/ml/class/index）

第二讲-------多变量线性回归 Linear Regression with multiple variable

(一)、Multiple Features:

多变量假设：输出由多维输入决定，即输入为多维特征。如下图所示：Price为输出，前面四维为输入：

假设h(x)=θ0+θ1x1+……所谓多参数线性回归即每个输入x有(n+1)维[x0……xn]

（二）、Gradient Descent for Multiple Variables:

左边为但参数的梯度递减单变量学习方法，右图new algorithm为多变量学习方法。